Claim Missing Document
Check
Articles

Found 2 Documents
Search

ANALISIS AUTOKORELASI SPASIAL DAN IDENTIFIKASI CLUSTER RATA-RATA LAMA SEKOLAH DI PROVINSI SUMATERA UTARA Finny Aprilia Yulanda; Sarah Amalia; Nadia Rikza Ananda; Putri Leony Simpa; Sri Yuni Utari Sihombing
SIGMA: JURNAL PENDIDIKAN MATEMATIKA Vol. 18 No. 1: Juni 2026
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/g0dqs202

Abstract

Tujuan: Penelitian ini bertujuan untuk menganalisis pola distribusi Rata-rata Lama Sekolah (RLS) di Provinsi Sumatera Utara dengan menekankan keterkaitan spasial antarwilayah. Metode: Penelitian menggunakan pendekatan kuantitatif dengan desain studi eksploratif terhadap 33 kabupaten/kota di Sumatera Utara berdasarkan data sekunder tahun 2023, dengan teknik analisis autokorelasi spasial global menggunakan Moran’s I dan autokorelasi spasial lokal menggunakan LISA berbasis matriks pembobotan queen contiguity yang diolah menggunakan perangkat lunak R. Hasil: Hasil penelitian menunjukkan adanya autokorelasi spasial positif yang signifikan, yang mengindikasikan bahwa distribusi RLS tidak bersifat acak melainkan membentuk pola pengelompokan wilayah, dengan identifikasi klaster High-High dan Low-Low serta outlier spasial berupa High-Low dan Low-High. Simpulan: Temuan ini memberikan kontribusi praktis sebagai dasar dalam perumusan kebijakan pendidikan berbasis wilayah, khususnya dalam menentukan prioritas intervensi pada wilayah dengan kategori rendah serta memanfaatkan potensi efek tumpahan dari wilayah maju untuk mengurangi ketimpangan pendidikan di Provinsi Sumatera Utara.
Analisis Literasi Data Mahasiswa Non-Statistik dalam Memahami Informasi Statistik di Era Artificial Intelligence dan Digitalisasi Informasi Sarah Amalia; Finny Aprilia Yulanda; Nadia Rikza Ananda; Femi Ezrani Sianturi; Nur Maulydia Rizky; Sri Yuni Utari Sihombing; Hendra Kurnia Pulungan
Jurnal Lintas Karsa Vol. 2 No. 2 (2026): Vol 2 No 2 (2026): Jurnal Lintas Karsa (Mei 2026)
Publisher : S1 Teknik Mesin Fakultas Teknik. Universitas Negeri Surabaya Gedung A6 Kampus UNESA Ketintang Surabaya 60231

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/lintaskarsa.v2i2.78402

Abstract

Perkembangan Artificial Intelligence (AI) dan digitalisasi informasi meningkatkan kebutuhan siswa untuk memiliki kemampuan literasi data dalam memahami informasi statistik yang beredar di berbagai media. Penelitian ini bertujuan untuk menganalisis tingkat literasi data siswa non-statistik dalam memahami informasi statistik di era AI dan digitalisasi informasi. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan melibatkan 37 mahasiswa non-statistik sebagai responden. Pengumpulan data dilakukan melalui penyebaran kuesioner secara berani menggunakan skala Likert. Instrumen penelitian diuji validitas dan reliabilitas menggunakan RStudio, dengan hasil dua item tidak valid (P3 dan P9) sehingga dieliminasi, serta nilai Cronbach's Alpha sebesar 0,831 yang menunjukkan reliabel instrumen. Data dianalisis menggunakan statistik deskriptif berupa nilai rata-rata. Hasil penelitian menunjukkan bahwa tingkat literasi data mahasiswa non-statistik berada pada kategori cukup baik dengan rata-rata keseluruhan sebesar 3,32. Indikator literasi akademik memperoleh nilai rata-rata tertinggi (3,4324), sedangkan pemahaman statistik memperoleh nilai rata-rata terendah (3,1689). Temuan ini menunjukkan bahwa mahasiswa telah mampu memanfaatkan teknologi digital dan AI untuk mendukung aktivitas akademik, namun masih memerlukan penguatan kemampuan dalam memahami dan menginterpretasikan informasi statistik. Oleh karena itu, pengembangan literasi data perlu difokuskan pada peningkatan kemampuan statistik dan pemikiran kritis di perguruan tinggi.